高瓴、百度都投过！华为具身“1号员工”又融了数亿元

作者 | 小葵

来源 | 具身之家Robots（ID：jushenhome）

又有华为“天才少年”传来好消息！

10月12日，欧拉万象宣布完成数亿元天使轮+融资。本轮由诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等新老股东联合投资。自今年3月成立以来，公司已完成四轮融资，高瓴创投、五源资本、招商局创投、百度风投等机构先后参与其中，尤其百度风投在种子+轮即入场，并在天使轮中追加支持。

欧拉万象由华为天才少年周顺波与张靖联合创办。张靖毕业于清华大学，后获达特茅斯MBA，曾任亚马逊AWS产品经理及华为创新云服务产品总监，在华为期间主导定义了国内首个自主可控的具身智能云平台。

（图源：网络）

如果只把它看作一则“华为天才少年周顺波创业又融钱了”的消息，或许会错过更值得关注的问题：在家庭机器人尚未实现规模化落地的当下，欧拉万象为何选择了一条不同于传统产品开发的路线？

答案藏在它提出的“可养成”理念中：机器人不必在出厂时就掌握所有家务技能，而是先具备一定的基础能力，再通过持续使用、用户参与和不断学习，逐步拓展自己的能力边界。

围绕这一思路，欧拉万象在硬件形态、早期用户和数据获取上做出了自己的选择。理解这

些选择，也许比单纯关注它又完成了多少融资，更有意思。

不做全能，先做“可养成”

家庭场景之难，在具身智能行业早已不是秘密。展会舞台上叠衣服、收拾桌面的机器人固然令人惊艳，但当它真正走进家庭，面对的就是另一番情形：家具摆放各不相同，杂物散落的位置难以预测，孩子和宠物还可能随时打乱原本的环境。机器人在一个固定环境中完成任务，并不意味着它能在不同家庭中稳定复现。

（图源：欧拉万象）

更棘手的是，为了适应复杂的家庭任务，机器人需要不断积累真实场景中的训练数据。但传统遥操作采集方式往往依赖专业人员反复示教，不仅成本较高，采集到的数据也未必能直接迁移到其他家庭环境。

于是，这便形成了家庭具身智能的一道难题：缺乏真实场景数据，机器人就难以持续提升能力；产品能力不足，又会限制其进入家庭的速度，进一步影响数据积累，这也就是欧拉万象提出的“可养成”路线。现阶段已搭建Real-world RSI系统（真实世界强化学习系统），并发布了阶段成果UniWAM（统一世界动作模型），探索让机器人通过真实场景反馈持续改进。

在硬件形态上，欧拉万象选择“移动底盘+双机械臂”，而非全尺寸人形机器人；在市场策略上，则采取“先极客、后大众”的路径，优先面向创客和开发者。

（图源：欧拉万象）

而要让这些早期用户从“使用者”进一步变成“技能贡献者”，关键就在于降低机器人技能开发的门槛。这也是欧拉万象选择“可养成”路线背后另一条值得关注的思路。

这一思路并非凭空出现。周顺波曾带队研发华为云具身平台CloudRobo，是华为云物理智能创新Lab（原具身智能创新Lab）负责人、首席技术专家，从零搭建了华为首个且规模最大的具身智能团队。据公开报道，一名机器人开发经验有限的人员，曾借助该平台在4天内完成物料拣选应用，而类似项目此前需要专业开发者至少一个月。

这段经历体现了周顺波对降低机器人开发门槛的关注。如今，这一思路被延伸至家庭场景：让更多创客参与机器人技能开发，并通过真实使用反馈推动产品迭代。

对于家庭机器人而言，如果每增加一项技能都依赖企业专业团队重新开发和训练，产品能力的扩展就会受到成本与效率的限制。“可养成”路线希望降低这一门槛，让用户也能参与技能开发与反馈，从而进行迭代。

但机器人要学会家务，还要回答一个更具体的问题：数据与操作标准从哪来？

家政师与创客：第一批“老师”

如果说创始人的技术思路解释了欧拉万象为什么选择“可养成”，那么它在今年8月与好慷在家的战略合作，则进一步指向了一个更实际的问题：机器人学习家务的数据从哪里来？

家庭任务看似简单，背后却包含大量人类长期积累的经验。

专业家政师知道怎样安排清洁顺序，如何处理不同材质的物品，以及怎样判断整理结果是否符合要求。这些经验未必能通过简单的动作模仿完整表达，却可以为机器人学习真实家务提供更明确的任务目标和操作参考。

除专业家政师外，创客与开发者也是欧拉万象早期用户策略中的重要一环。

（图源：欧拉万象）

如果说专业家政师能够提供家务操作方面的经验，那么创客和开发者更有可能参与到产品的实际使用与技能开发中。

相比希望开箱即用的普通家庭用户，创客和开发者更愿意尝试新技术，也更能接受早期产品的不完善。对于企业来说，这类用户不仅可能成为首批客户，也有机会帮助产品发现问题、验证功能，并反馈真实的使用需求。

不过，早期用户愿意尝试，并不意味着他们一定会长期使用。

对于“可养成”路线而言，机器人首先要有足够实用的基础能力，用户参与示教和反馈的过程也不能过于复杂。只有当用户能够切实感受到机器人在持续使用中变得更好用，参与和反馈才有可能形成正向循环。

进一步看，能力提升能否转化为稳定的使用需求，用户是否愿意为这些能力付费，才是这条路线最终需要回答的问题。

从技术设想到真正进入家庭，中间仍有几道门槛需要跨越。

（图源：欧拉万象）

机器人能否在真实家庭中稳定完成任务；用户示教和反馈是否足够简单，不会带来过高的使用成本；持续学习能否转化为用户愿意付费的实际价值，并支撑硬件、维护和售后等成本。

这些问题，都无法仅靠融资去解决。

因此，相比后续融资规模，欧拉万象首批产品的交付情况、用户留存表现，以及机器人在长期使用中的能力提升，或许更值得我们去关注。这些指标将直接检验“可养成”路线能否从技术设想走向实际应用。

当机器人能够在不同家庭中稳定完成具体家务，并随着使用持续提升能力时，“可养成”才算从一个值得探索的概念，走向真正可行的商业化路线。